恒虚警率采样粒子滤波技术及其应用研究

粒子滤波是一种基于蒙特卡洛思想的非线性、非高斯滤波器,其一般采用重要性采样进行粒子采样。但重要性采样容易出现粒子退化现象。解决粒子样本退化问题一般采用重采样。重采样虽然解决了样本的退化问题,同时又引入了采样贫瘠问题。本文根据海洋混响的统计特性和混响中目标的恒虚警率检测原理,提出了恒虚警率采样粒子滤波技术,恒虚警率采样粒子滤波技术使采样粒子尽可能集中在目标附近,有效地描述目标后验概率,降低了粒子数,减小了计算量。本文将此技术应用到海洋混响中的声纳目标跟踪中,既解决了传统卡尔曼滤波在声纳目标跟踪中的非线性、非高斯问题,又解决了粒子滤波的粒子退化及采样贫瘠问题。文中对高分辨率声纳目标数据进行了滤波跟踪,结果验证了本文方法的有效性。     

基于迁移学习的GH159螺栓热镦后头部缺陷识别

为准确进行GH159螺栓热镦后头部缺陷识别,提出了基于迁移学习的缺陷识别方法,其中,不同场景亮度下的数据集分别设置为迁移学习的源域,目标域.首先,考虑域条件分布的多簇特点,使用K-means算法对同类缺陷数据进行簇划分,确定簇中心,并基于其构造新的分布差异度量;其次,为有效提升迁移学习计算效率,使用簇中心间距离以及各簇...     

非瑞利海洋混响抑制技术研究

随着主动声呐距离及角度分辨率的提高,海洋混响包络概率密度函数不再是瑞利分布,而是函数分布后端较瑞利分布具有严重拖尾性的非瑞利分布。但非瑞利分布模型的概率密度函数复杂,参数估计困难。通过对非瑞利分布混响进行恒虚警率检测处理,将严重拖尾部分数据值衰减为背景均值,从而将非瑞利分布混响信号转化为近似瑞利分布。由于去掉了对背景功率估计影响较重的干扰,并基于瑞利分布模型进行目标检测,本文目标检测方法具有较好的鲁棒性和计算简单等优点。文中对一组高分辨率声呐数据进行了恒虚警率检测,结果验证了方法的有效性。      

非均匀混响统计建模与功率估计

针对非均匀混响中进行恒虚警(CFAR)检测所需的背景功率估计问题,通过对非均匀混响进行统计建模分析,提出一种非均匀混响功率自适应估计方法。所提方法基于排序统计、功率分类等处理,对混响数据服从的统计模型进行判别,根据均匀混响、参杂强干扰混响、混响边缘等具有不同特性的混响成分,选择不同的处理方式进行功率估计。进一步将所提出的混响功率估计方法应用于CFAR检测中,获得一种新的CFAR检测器。仿真和实测混响数据的处理结果表明,提出的混响功率估计方法可以对强干扰和混响边缘等非均匀混响背景进行有效判别和功率估计,提出的CFAR检测器有效提高了非均匀混响背景中的目标检测性能。      

干扰背景非瑞利混响参数估计

提出了一种基于模糊统计归一化处理(FSNP)的K分布混响形状参数自适应估计方法。该方法首先对混响进行归一化处理,然后对不同归一化处理强度的处理数据进行形状参数估计,最后,取适中归一化处理强度数据形状参数估计值作为最终估计值。仿真结果表明,所提方法在参杂干扰背景和均匀背景下,都具有很好的参数估计性能。实测带宽4000 Hz声呐同区域混响参数估计结果显示,混响参杂强干扰时,所提方法形状参数估计值的最小值、最大值、标准差、极差分别为1.13,25.76, 4.36, 24.63,混响均匀时分别为2.54, 20.78, 3.84, 18.24。相比于传统抑制干扰和均匀背景参数估计算法,无论是同区域参杂干扰混响,还是均匀混响,所提方法参数估计结果的标准差和极差都明显下降。     

多频带联合包络调制谱检测

随着降噪消声技术的发展,如何有效被动检测低噪声目标,成为声纳研发者面临的主要问题之一。本文基于频谱感知、多频带联合检测及信息融合技术,提出了具有环境噪声利用和背景噪声抑制功能的多频带联合包络调制谱检测技术。此技术侧重基频调制谱检测,将可用带宽分为多个子频带,动态感知子频带内强频谱区域,将其峰值频率作为解调载波频率。并通过降采样和时间积累,提高调制谱频率分辨率和信噪比,通过联合检测和信息融合,提高调制谱检测率。仿真和海试数据分析验证了方法的有效性。此方法具有一定的应用价值和实际意义,将来还需要对方法理论和机理进行深入研究。     

高分辨率有源声呐强混响抑制技术研究

有源声呐分辨率的提高可以抑制混响,但也使声呐包络数据的统计分布偏离瑞利分布,而更接近拖尾较重的K分布。强散射体所带来的强混响的幅值一般较大,它们使统计分布拖尾更严重,表征K分布的形状参数也越小。强混响作为目标干扰,严重影响了背景功率估计的准确性,从而降低了目标检测的性能。本文基于模糊统计理论,首先提出了用于抑制强混响的模糊统计归一化处理方法;然后对强混响和模糊统计归一化处理如何影响声呐数据分布和CFAR(Constant false-alarm rate)目标检测性能进行了仿真、研究和分析,最后对基于模糊统计归一化处理的CFAR检测性能和传统CFAR检测性能进行了仿真比较。仿真结果表明强混响目标干扰能使K分布数据的形状参数变小,而模糊统计归一化处理可抑制强混响目标干扰,增大包络数据分布的形状参数,提高形状参数估计性能和CFAR检测性能。